EV充電需要を予測する新たなモデル
電気自動車（EV）の普及は、もはや未来の話ではなく、今日の現実である。しかし、この静かでクリーンなモビリティ革命がもたらす真の課題は、バッテリーの性能や航続距離の向上といった技術的な側面だけにとどまらない。その核心は、都市のインフラ、特に電力網に与える影響をいかに予測し、管理するかにある。数百万台のEVが日々、どこで、いつ、どのように充電するのか——その背後には、電気料金、天候、季節、そして何よりドライバーの心理という、複雑に絡み合った要因が存在する。この難題に挑み、画期的な解決策を提示したのが、武漢大学の丁楽言（Ding Leyan）氏と柯松（Ke Song）氏をリードとする研究チームが発表した新モデルだ。この研究は、単に充電需要を予測するのではなく、人間の行動と都市のダイナミクスをシミュレーションするという、新たな地平を開いた。
従来のEV充電需要予測モデルは、しばしば簡素な統計的手法に依存していた。EVの充電パターンを時系列データとして分析したり、特定の時間帯に充電する確率を計算したりするものが多い。しかし、これらのアプローチは、EVが「移動する負荷」であるという本質を無視している。車は静止した機器ではなく、交通網の一部として動く存在であり、その走行時間やエネルギー消費は、交通渋滞や道路の状況に大きく左右される。また、充電の決定は、単なる電池の残量表示に基づくものではなく、ドライバーの到着予定時刻に対する不安、目的地までの航続可能距離に対する心理的期待、さらには「今充電しないと後で後悔する」という損失回避の心理が複雑に絡み合って成り立っている。丁氏らの研究は、この「人間の行動」という最も不確実な要素を、科学的にモデル化することで、従来の枠組みを根本から覆そうとしている。
このモデルの基盤は、「半動的交通網モデル」と呼ばれるものである。研究チームは、都市を住宅地、商業地、工業地という機能別ゾーンに分割し、それぞれのゾーン間をつなぐ道路網を詳細にシミュレーションする。ここで革新的なのは、「リンク通行時間モデル」の導入だ。道路の通行時間は、その道路の混雑度に応じて動的に変化する。車両が多ければ通行時間は長くなり、その結果、EVのエネルギー消費量も増加する。このように、交通網の状態とEVのエネルギー消費が相互に影響し合うフィードバックループを、15分ごとの時間ステップでシミュレーションすることで、現実に非常に近い都市の交通ダイナミクスを再現している。このモデルは、膨大なリアルタイム交通データを必要とする完全な動的モデルとは異なり、計算負荷を抑えながらも高い精度を実現するという点で、実用性が高い。
しかし、交通網だけでは不十分だ。研究は、電気料金、気候、季節といった外部要因が、ドライバーの「移動の意思決定」にどのように影響するかを深く掘り下げている。まず、電気料金の影響は顕著である。モデルは、料金が高くなると、充電需要が抑制され、ピークが深夜にシフトすることを示している。逆に、安価な時間帯には充電需要が集中し、新たなピークが形成される可能性がある。これは、電力会社が時間帯別料金を設定する上で極めて重要な知見である。次に、気候の影響。悪天候や極端な気温は、車両のエネルギー効率を直接的に低下させる（冷暖房の使用）。それだけでなく、人間の心理にも作用する。雨の日や寒い日には、非日常的な外出を控える人が増え、結果としてEVの走行距離が減少し、充電需要そのものも変化する。さらに、季節性も考慮されている。冬場は暖房のための追加消費が大きくなるため、EVのエネルギー消費量が増加し、充電回数も必然的に多くなる。これらの要因を単に「変数」として加えるのではなく、交通網の通行時間やEVのエネルギー消費モデルそのものに組み込むことで、シミュレーションの現実味を大幅に高めている。
そして、この研究の真の核となるのが「累積的プロスペクト理論」の応用である。これは、ノーベル経済学賞を受賞したカーネマンとトヴェルスキーが提唱した、人間の意思決定の非合理的な側面を説明する理論だ。人は、損失を回避する傾向が強く（損失回避）、また、確率を客観的にではなく、主観的に評価する（確率の歪み）という特徴がある。丁氏らのチームは、この理論を用いて、EVドライバーの「効用（満足度）」を定量化した。
彼らは、特に「自家用車」と「タクシー」という二つの異なるユーザー層に焦点を当てた。自家用車のドライバーにとって、重要なのは「時間」と「電池残量」の二つの「参照点」だ。例えば、家族の夕食に遅れること（時間の損失）や、目的地に到着する前に電池がなくなるかもしれないという不安（電池残量の損失）は、非常に大きな心理的負担となる。モデルは、これらの損失に対する「痛み」の度合いを数値化し、ドライバーがそれを避けるために、より高い料金を払ったり、遠回りをしたりする可能性を予測できる。一方、タクシーの運転手にとっての参照点は「収入」と「帰宅時間」のバランスである。最後の1本の乗車を受けるかどうかの判断は、その収益が期待値を上回るかどうか（収益のゲイン）と、家に帰るのがどれだけ遅くなるか（時間の損失）の、複雑なトレードオフの上に成り立っている。このように、ユーザーの心理状態をモデル化することで、単なる「充電の必要性」を超えた、より精緻な行動予測が可能になる。
この高度な予測能力を活かして、研究はさらに一歩進み、「誘導戦略」の提案にまで至っている。これは、単に需要を予測するのではなく、その需要を最適な方向に「誘導」するという、能動的なアプローチだ。例えば、自家用車のドライバーが「到着が遅れそう」という不安を抱いている場合、システムは「10分早く出発すれば予定通りに到着できます」と提案できる。また、「電池残量が心配」という不安に対しては、出発直前の15分間に充電速度を上げることで、その不安を解消することができる。タクシー運転手に対しては、複数の乗車依頼の中から、運転手の「時間と収入のバランス」を最も満足させる1本をAIが推薦する。シミュレーションの結果、このような誘導戦略は、ユーザーの意思決定後の満足度を顕著に向上させることができた。これは、電力網の安定化とユーザーの利便性の両立を可能にする、画期的な発想である。
シミュレーションの結果は、このモデルの有効性を雄弁に物語っている。住宅地では、帰宅後の夜21時30分から22時30分にかけて充電需要のピークが見られ、商業地では夕方の17時30分から19時00分にピークが前倒しされる。これは、ドライバーの日常の行動パターンを正確に捉えている証拠だ。また、EVの普及率が60%から80%に上昇すると、ピーク負荷が32%以上も増加することが示されており、電力網のインフラ整備の必要性を強く訴えている。さらに、電気料金が高くなるとピーク負荷が約28%低下し、冬場の寒冷な季節には24%上昇することも確認された。これらの結果は、外部要因の分析と完全に一致しており、モデルの信頼性を裏付けている。
この研究は、電力工学、交通工学、そして行動経済学という異分野の融合の賜物である。EVの充電問題は、もはや電気の話だけではなく、都市の交通、人々の生活習慣、さらには心理状態にまで及ぶ、極めて複合的な社会課題である。丁楽言氏、柯松氏らの研究は、その複雑さを畏れず、あえて正面から挑戦することで、単なる予測ツールを超えた、未来のスマートシティを形作るための基盤技術を提供した。今後、休日や祝日のパターン、V2G（ビークル・トゥ・グリッド）技術の導入といった新たなシナリオを組み込むことで、その精度と適用範囲はさらに拡大していくだろう。電気自動車の時代は、ただ車が変わる時代ではなく、私たちの生活そのものが再構築される時代である。その未来を、より賢く、より持続可能なものにするために、この研究は確かな一歩を踏み出したと言える。
丁楽言、柯松、張帆、林暁明、呉夢維、張傑明、楊軍、武漢大学、電力建設、DOI: 10.12204/j.issn.1000-7229.2024.06.002